一种航天器软件进程堆栈使用深度的动态检测方法

航天器软件进程堆栈溢出往往会导致软件"跑飞"的后果。文章分析了现有堆栈使用深度检测的静态测试方法和动态测试方法的优点和不足,针对航天器数管软件的特点,提出了一种适用于航天器数管软件进程堆栈使用深度的动态检测方法。通过访问应用软件与系统软件的接口,获得进程堆栈的起始地址和大小等信息,将堆栈区初始化为特定标识,对软件执行最大路径测试后,扫描堆栈区特定标识被覆盖情况,获得进程堆栈的使用深度。在嫦娥五号上升器数管软件中,实现了此方法,并通过上注在轨维护指令进行了测试。结果表明:在不借助任何专业检测软件的情况下,该方法能够实时检测出软件进程堆栈的最大使用深度,以利于避免进程堆栈溢出的风险,提高软件的可靠性。     

基于量纲分析法对强夯加固深度的研究

影响强夯加固范围的主要因素有夯击能、夯锤面积、夯击次数、土体性质等,在分析这些影响因素的基础上,采取量纲分析的方法,建立了路基强夯加固的深度方程,并考虑土体的级配与含水量修正系数,建立了强夯加固深度的计算公式.最后和工程测试的有效加固深度进行对比,表明该公式与实际测试结果较为符合,证明该公式的有效性和可信性.     

影响冷硬铸铁轧辊白口层深度主要因素的回归分析

本文探讨了影响冷硬铸铁轧辊白口层深度的主要因素，运用数理统计回归分析方法对大量原始生产数值进行处理，求得生产条件下冷硬铸铁轧辊白口层深度与主要工艺参数之间的线性关系，并进行了理论分析。     

基于长短期记忆神经网络的太阳耀斑短期预报

提出了一个基于长短期记忆神经网络的耀斑预报模型,利用过去24 h太阳活动区的磁场变化时序构建样本,通过长短期记忆神经网络对磁场特征时序演化进行分析,预报未来48 h内是否发生≥M级别耀斑事件。使用的数据集为2010年5月到2017年5月所有活动区样本,选取了SDO/HMI SHARP的10个磁场特征参量。在建模过程中通过XGBoost方法选取权重、增益率和覆盖率均较高的6个特征参量作为输入参数。通过测试对比,模型的虚报率和准确率与传统机器学习模型相近,报准率和临界成功指数分别为0.7483和0.7402,优于传统机器学习模型。模型总体效果优于传统机器学习模型。      

基于优化CenterNet的低空无人机检测方法

为实现对“低慢小”无人机(UAV)的有效探测, 提升检测精度和定位质量, 提出一种基于联合注意力和CenterNet的低空无人机检测方法。针对通用目标检测算法小目标漏检率高的问题, 引入解耦的非局部算子, 捕捉光学图像目标区域的关联性。利用无人机群个体间的相似性, 将离散的无人机特征相互关联, 降低漏检率。为获得更加精准的检测框, 对CenterNet的标签编码策略和边界框回归方式进行优化, 引入定位质量损失, 提升检测框定位质量。实验结果表明:优化后的S-CenterNet算法相比原始CenterNet算法平均准确率提升了8.9%, 检测框定位质量有明显改善。      

弱模型依赖通用智能姿态控制技术

超高速跨域飞行、敏捷机动等是新一代飞行器发展方向,而长时高速飞行产生的气动外形变化带来的气动参数大范围改变等问题,都对控制系统设计提出了更高的要求。为提高飞行器对模型不确定性的适应能力及控制方法对不同外形、复合执行机构的通用性,深入研究了弱模型依赖的通用智能姿态控制技术,分层次地开展了基于深度学习(DL)的自适应姿态控制、基于深度确定性策略梯度算法(DDPG)的通用姿态控制、弱模型依赖的多维复合控制等技术研究,显著提高了控制系统的鲁棒性和通用性,对人工智能技术在飞行器姿态控制中的应用具有一定的指导意义。     

再见2012

曾经,因为你的即将到来,我有过恐慌和害怕,甚至还有一点小小的期盼,好奇的我很想知道你的到来,是否真的和电影中一样。然而,在漫长的等待过程中,才发现,宁静是多么奢侈的—件事,因为在这期间你带来了太多的悲伤。今天,我该如何与你道别,以微笑或眼泪?     

基于U-Net的掌纹图像增强与ROI提取

掌纹因稳定性、唯一性、难复制性及易获取等特点，是极具应用潜力的生物识别特征。针对掌纹识别中，获取掌纹感兴趣区域（ROI）与增强掌纹信息普遍存在的时间成本大，方法之间有依赖关系等问题，提出了一种基于U-Net神经网络结构的掌纹图像预处理方法。通过香港理工大学掌纹库进行实验对比，结果表明，所提方法能消除预处理方法之间的相互影响，实现对掌纹图像的去噪与增强处理，并能快速、高精度提取感兴趣区域。